Dokumasız kumaş kusur tespit teknolojisi

Dokumasız kumaşlar, cerrahi maskeler, hemşire şapkaları ve cerrahi kepler gibi tek kullanımlık tıbbi sarf malzemelerinin üretiminde hammadde olarak her zaman yaygın olarak kullanılmıştır. Tek kullanımlık tıbbi sarf malzemelerinin kalitesi esas olarak dokusuz kumaşların kalitesine bağlıdır. Dokumasız kumaşların üretim ve taşıma süreci çevrenin mutlak saflığını garanti edemediği ve kendilerinin güçlü elektrostatik adsorpsiyon yeteneğine sahip olması nedeniyle, genellikle havadaki küçük kirleri emerler. Bu nedenle, yabancı cisimler dokusuz kumaşların çok az alanında bulunabilir. Bu makalede incelenen dokusuz kumaş malzemesi doğrudan maske üretimi için kullanılır. Seçilen kusur örnekleri analiz edildikten sonra, böcek ve saç gibi yabancı cisim kusurlarının oranının en yüksek olduğu bulunmuştur. Bu kusurun varlığı, sonraki ürünlerin standart altı kalitesine doğrudan yol açar ve kusurlu ürünlerin piyasaya girmesi kesinlikle yasaktır. Bu nedenle, üreticilerin bu kusurların bir kısmını gidermesi gerekir, aksi takdirde büyük ekonomik kayıplara neden olur.

Günümüzde sektördeki çoğu büyük şirket, arıza tespiti için ithal görsel muayene ekipmanları kullanmaktadır. Sonuçlar iyi olsa da, bu ekipmanlar genellikle maliyet ve bakım açısından pahalıdır ve küçük işletmeler ile atölyeler için uygun değildir. Çin'deki çoğu küçük şirket, arıza tespiti için hala geleneksel manuel görsel muayene yöntemlerini kullanmaktadır. Bu yöntem nispeten basit olsa da, daha uzun süreli personel eğitimi, düşük tespit verimliliği ve doğruluğu gerektirir ve çok fazla insan kaynağı israfına yol açarak işletme yönetimi için önemli bir maliyet oluşturmaktadır. Son yıllarda, arıza tespiti alanı hızla gelişmiş ve işletme sahipleri, geleneksel manuel görsel muayene yöntemlerinin yerini alacak yeni teknolojileri giderek daha fazla kullanmaya başlamıştır.

Endüstri geliştirme eğilimleri açısından bakıldığında, dokusuz kumaşların üretim sürecindeki kusur görüntülerini otomatik olarak elde edip analiz edebilen otomatik bir tespit cihazı tasarlamak, üretim gelişimini teşvik etmek, ürün kalitesini sağlamak ve işçilik maliyetlerini azaltmak için gerekli bir araçtır. 1980'lerden bu yana birçok mühendis, dokusuz kumaşların kusur tespiti için bilgisayarlı görme alanındaki ilgili bilgileri kullanmaya çalışmıştır. Bazı çalışmalar, kusurları karakterize etmek ve kusur tespiti sağlamak için doku analizi yöntemlerini kullanırken, diğerleri öncelikle kusur konturunu belirlemek ve kusur tespiti için kusur gri tonlamalı istatistiksel bilgilere dayanarak makul eşikler belirlemek üzere kenar tespit operatörlerini kullanmıştır. Ayrıca, kumaşların yüksek doku periyodikliğine dayanarak kusurları tespit etmek için spektral analiz yöntemlerini kullanan çalışmalar da mevcuttur.

Yukarıdaki yöntemler, hata tespit problemlerinde belirli uygulama sonuçları elde etmiş olsa da, hala bazı sınırlamalar mevcuttur: ilk olarak, gerçek üretim ortamlarındaki hataların şekli ve boyutu farklılık gösterir. Makine öğrenimi ve istatistiksel bilgilere dayalı hata tespit algoritmaları, tüm hatalar için etkili olamayacak olan, önceden edinilmiş bilgilere dayalı eşik değerleri belirlemeyi gerektirir ve bu da yöntemin yeterli sağlamlığa sahip olmamasına neden olur. İkinci olarak, geleneksel bilgisayarlı görme yöntemleri genellikle yavaş yürütülür ve üretimin gerçek zamanlı gereksinimlerini etkili bir şekilde karşılayamaz. 1980'lerden bu yana, makine öğrenimi araştırmaları hızla gelişmiş ve ilgili bilginin uygulanması birçok endüstrinin gelişimini yönlendirmiştir. Birçok araştırma konusu, BP sinir ağı ve SVM gibi makine öğrenimi algoritmalarının kumaş hata tespitinde uygulanmasının etkili olduğunu göstermiştir. Bu yöntemler yüksek tespit doğruluğu ve belirli bir düzeyde sağlamlık sağlar ve makine öğrenimi eğitim sürecinin dikkatli bir şekilde analiz edilmesiyle bunu keşfetmek zor değildir. Bu tür algoritmaların performansı esas olarak hata manuel özelliklerinin seçimine bağlıdır. Manuel özellikler eksiksiz veya yeterince ayırt edici değilse, modelin performansı da düşük olacaktır.

Son yıllarda bilgisayarların işlem gücünün sürekli gelişmesi ve derin öğrenme teorisinin hızla gelişmesiyle birlikte, giderek daha fazla kişi kumaş kusur tespitinde derin öğrenmeyi uygulamaya başlamıştır. Derin öğrenme, manuel olarak tasarlanan özelliklerin eksikliklerini etkili bir şekilde ortadan kaldırabilir ve yüksek tespit doğruluğuna sahiptir. Bu düşünceden yola çıkarak, bu makale bilgisayarlı görme ve derin öğrenmeyle ilgili bilgileri kullanarak, kusur tespit doğruluğunu etkili bir şekilde artıran ve sağlamlığı yüksek bir dokunmamış kumaş kusuru otomatik tespit sistemi tasarlamıştır.